近日，由我院胡滢博士、本科生陈晓蕊等人完成的一篇关于联邦进化特征选择的研究成果“Surrogate-assisted master-slave federated feature selection algorithm”被群体智能与进化计算领域国际权威期刊《Swarm and Evolutionary Computation》录用，标志着我院在联邦进化特征选择与智能优化领域的研究成果获得国际同行认可。

特征选择与进化优化是机器学习和群体智能领域的重要研究内容。特征选择能够从高维数据中筛选出具有代表性的信息，在降低数据维度、减少计算开销的同时提升模型的学习效率。然而，在高维联邦学习场景下，传统进化特征选择算法需要对大量候选特征子集进行反复评估，面临着真实模型评估成本高、搜索空间大以及多参与方协同优化效率不足等问题。针对这一挑战，胡滢博士及其合作团队提出了一种代理模型辅助的主从式联邦特征选择算法（Surrogate-assisted master-slave federated feature selection algorithm, FFS-MS）。该算法通过构建主从式协同优化框架，引入径向基函数神经网络代理模型近似真实模型的评估过程，并结合LightGBM特征重要性筛选与可变步长递归特征消除策略，有效缩小了高维特征搜索空间；同时，通过设计代理模型协同更新与周期性聚合机制，提升不同参与方之间的协同优化效率。该方法将代理模型辅助优化与联邦特征选择相结合，在减少真实模型评估开销的同时兼顾了特征选择性能与计算效率，为隐私保护场景下的高效联邦进化特征选择提供了一种有效的解决方案。

Swarm and Evolutionary Computation是群体智能与进化计算领域国际权威期刊，位列中科院一区，也是中国计算机学会（CCF）推荐的C类期刊，2025年影响因子8.5。